CN103561457A - 一种异构无线网络协作通信中的多目标网络功率分配方法 - Google Patents

Abstract

本发明公开了一种异构无线网络协作通信中的多目标网络功率分配方法，包括以下步骤：步骤1、移动智能终端检测有空闲业务信道的可接入无线网络，并从可接入网络中选择N个信道条件较好的无线网络接入；步骤2、定义一种功率分配方案的遗传表示；步骤3、定义功率分配方案的适应性函数；步骤4、产生M个数组；步骤5，根据高适应度值优先的方法，从种群中随机选择m₁条基因进行基因重组；步骤6、从基因重组后的种群中适应度较低的基因中按概率随机选择m₂条基因进行突变；步骤7、选取产生新一代种群；步骤8、重复步骤5～7，当种群基因的最高适应度值的增长连续l次小于给定的阈值作为最优功率分配方案。具有算法灵活等优点。

Description

一种异构无线网络协作通信中的多目标网络功率分配方法

技术领域

本发明涉及一种无线通信技术，特别涉及一种异构无线网络协作通信中的多目标网络功率分配方法。

背景技术

目前各种异构无线通信网络广泛共存，已有不少于25种的异构无线网络投入商用，但各网络独立工作，网络间的无缝互联及网络资源的充分利用成为重大问题。作为解决该问题的方案，异构无线网络协作通信技术得到了国内外高度重视。异构无线网络协作通信技术可以实现异构网络之间的融合接入、协同工作与网络间的无缝互联，使得终端可以同时利用多个不同类型网络进行数据传输，从而显著提高网络资源利用率和***通信能力。

在异构无线网络协作通信***中，智能移动终端同时利用多个不同类型网络进行数据传输，在获得较高传输速率的同时也显著增加了对功耗的要求，如何使终端在获取尽可能高的传输速率的同时消耗尽可能低的功率是一个关键问题，为此需要对终端的功率在各传输网络上进行高效合理地分配以达到同时优化终端的传输速率和功耗两方面的性能的目的。

在无线通信中，目前已经有大量的研究提出了各种关于功率分配的方法，但现有的功率分配方法主要针对单一制式网络、单种类型业务、以单个性能指标为优化目标，并且计算复杂、效率较低。例如经典的注水法以最大化信道容量为优化目标，但是计算复杂，且不能优化功耗这一指标。公开号为CN102752840A，公开日为2012年10月24日的发明专利“一种广播信道发送功率分配方法”，提供了一种根据每个信道的增益信噪比和每个接收端的权值为各接收端分配发射功率的方法，虽然因为无需求解注水功率水平和迭代计算过程而降低了算法复杂度，但是该发明针对单种制式的同构网络，并且仅以最大化***吞吐量为优化目标，没有考虑对功耗性能的优化。公开号为CN101364823A，公开日为2009年2月11日的发明专利“协作通信中基于MCPA门限的功率分配方法”，采用了一种以源节点的平均信道功率衰减（MCPA）作为门限值来选取协作节点并给选取的协作节点平均分配功率的方案，但该发明针对单种制式的同构网络，仅以***中断概率性能为优化目标，并且功率在选取的协作节点上平均分配的方法使得功率的利用率不高、没有考虑对功耗性能的优化。公开号为CN101588627A，公开日为2009年11月25日的发明专利“协作通信中源与中继节点的功率最优联合分配方法”基于注水算法的思想，该发明同样仅以最大化信道容量为优化目标，没有考虑对功耗性能的优化。

由于涉及多种制式的网络、多种类型的业务、以及多种服务质量（qualityof service,QoS）要求，异构无线网络协作通信***的功率分配要求以多个性能指标为优化目标（并且这些优化目标往往相互冲突），已有的主要针对单一制式网络、单种类型业务、以单个性能指标为优化目标的功率分配方法不再适用。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种异构无线网络协作通信中的多目标网络功率分配方法，该方法提出的目的在于为异构无线网络协作通信中协同工作的网络提供简单、高效的多目标功率分配方案，以最大化智能移动终端的信道容量以及最小化其所需消耗的功率作为功率分配方案的优化目标，同时优化智能移动终端的传输速率和功率消耗两方面的性能。

本发明的目的通过下述技术方案实现：异构无线网络协作通信中的多目标网络功率分配方法，包括以下步骤：

步骤1、移动智能终端在通信时，检测有空闲业务信道的可接入无线网络，并根据信道状态信息从可接入网络中选择N个信道条件较好的无线网络接入。

步骤2、定义一种功率分配方案的遗传表示。本发明中定义含有N+1个元素的一维实数数组power来作为功率分配方案的遗传表示，其中N即步骤1所选择的网络（信道）数量，power中第n个元素的值power[n](n=1,2,…,N)表示该方案分配给第n个网络（信道）的功率值，最后一个元素的值power[N+1]用来存放分配方案的适应度值。如此，一个数组就代表了一种功率分配方案，以及包含了该功率分配方案的适应度。

步骤3，定义功率分配方案的适应性函数。综合考虑移动智能终端的信道容量总和C_total以及总功耗P，将功耗作为惩罚，构造形如

的适应性函数用来计算各功率分配方案的适应度值。适应性函数中，w_n是网络n的信道带宽，P_max是智能移动终端的额定功率，α>0,β>0，α,β的具体取值可以根据智能移动终端在具体场景中对信道容量以及功耗的具体要求来进行调节。

步骤4，产生M个步骤2所述的数组，每个数组分别代表一种不同的功率分配方案及其适应度值；这M个数组一起构成功率分配方案的第一代种群，其中M称为种群的规模，种群中的一个数组称为一条基因。

步骤5，根据高适应度值优先的方法，按照概率从步骤4所述种群中随机选择m₁(m₁为偶数，2≤m₁≤M)条基因进行基因重组。基因重组过程中，被选取参与基因重组的基因不作任何改变并保留在种群中；重组生成的合法基因作为新基因加入种群，重组生成的非法基因直接丢弃。

步骤6，按照最佳保持低适应度值优先的方法，从步骤5所述基因重组后的种群中适应度较低的基因中按概率随机选择m₂（1≤m₂≤M2）条基因进行突变，突变方法为：对于选中的待突变的基因power_k，在其前N个元素中随机选择某几个元素将其值以自适应概率增加或减小固定的步长P_Δ，并重新计算power_k的适应度值填入到其最后一位元素；判断突变后的power_k是否合法，如果合法则种群保留突变后的power_k，否则剔除。

步骤7，选取产生新一代种群，这里定义一种最优保持的选取新一代种群的方法，在规模上保持新的基因种群与原始的基因种群一致（基因规模保持为M），在选取构造新种群的基因时将步骤6所述基因突变后的种群中适应度值最高的前

个基因直接选取到新的种群中，在剩余的基因中用轮盘赌法选取

个基因到新的种群中。

步骤8，重复步骤5～7。当种群基因的最高适应度值的增长连续l次小于给定的阈值则认为最优功率分配方案已出现，从得到的种群中选取适应度最高的基因作为功率分配方案，功率分配算法结束。

步骤1中,本发明考虑智能移动终端所接入的N个网络均只提供一对业务信道（前向业务信道与反向业务信道）供智能移动终端传输数据，因此本发明中所述的信道n也代表着网络n。

步骤1中，所述的信道状态信息用信道的噪声统计特性表示，智能移动终端选择的N个信道作为待使用的信道，通过这些信道与对应网络建立连接，其中

是网络n所提供的业务信道的噪声方差，是网络n正常通信所要求的信道噪声门限值。

步骤2中，所述的适应度值即步骤3中的F的值，它是发明中定义的功率分配方案的性能评判标准、某具体功率分配方案的得分，得分越高方案越优。

步骤3中，C_total是指智能移动终端所能获得的信道容量总和，由 $C_{\mathrm{total}}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{2}{w}_n\log (1+\frac{\mathrm{power}\left[n\right]}{w_n{\mathrm{\σ}}_n^2})$ 确定。P是指智能移动终端的总功耗，由 $P=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{power}\left[n\right]$ 确定。

步骤3中，所述的α,β值的选取直接影响到最终功率分配方案的结果。在使用该方法进行功率分配时，可由智能移动终端用户根据自己所处的具体情景、对数据传输速率以及功耗的具体要求来设定α,β的具体值，如当能量充足时更加偏向快的传输速率，可以增大α与β的比值；当业务对数据传输速率要求较低时可以降低α与β的比值。

步骤4中，所述的数组的生成主要有以下步骤：

步骤4.1，数组的前N个元素用0～P_max范围内的随机数来填充；一旦数组的前N个元素满足

或

则舍去该数组，重新产生新数组。

步骤4.2，数组的第N+1个元素，即数组的最后一个元素用数组前N个元素所代表的功率分配方案的适应度值填充；适应度值利用步骤3中定义的适应性函数计算；

步骤4中，所述的种群规模大小，即M的值由算法的复杂度与性能综合衡量确定，M越大，算法的精度越高，但复杂度也越高；M越小，算法的精度越低，但复杂度也越低。

步骤5中，所述的高适应度值优先是指适应度越高，基因被选择参与重组的概率越大，适应度值为F的基因被选择参与重组的概率为

其中F_max为种群中全体基因的适应度值的最大值；参与重组的基因数量m₁为随机数，取决于概率f₁。

步骤5中，所述的基因重组主要有如下步骤：

步骤5.1，对于两条参与重组的基因power_i、power_j(1≤i,j≤M)，定义一个步骤2所述的新的数组，记作power_ij；

步骤5.2，从power_i、power_j中随机选择一条基因，并从该基因的前N个元素中随机选取部分元素，将其值填充至power_ij中对应位置的元素，power_ij中除第N+1个元素外其余未填充的元素由power_i、power_j中的另一条基因对应位置的元素来填充；

步骤5.3，计算power_ij前N个元素所代表的功率分配方案的适应度，并将适应度值填充至power_ij的第N+1个元素；

步骤5.4，判断power_ij是否合法，如果合法则power_ij作为新基因加入种群；若非法，则直接丢弃；

步骤5中，所述的的非法基因是指具有以下任一特征的基因：（1）、对第n个网络分配的功率power[n]使得信噪比的值低于该类网络正常通信时所要求的信噪比的门限值，（2）、 $\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{power}\left[n\right]>P_{\max }$ 或者 $\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{power}\left[n\right]=0;$

步骤6中，所述的最佳保持低适应值优先方法，具体为对于种群中适应度值最高的前

个基因保持不变，对于剩下的基因以概率f₂参加基因突变，f₂定义为

其中F_min为种群中全体基因的适应度值的最小值。

步骤6中，所述基因中元素值以自适应概率增加或减小的方法具体为，对于选中待突变的元素值按照概率f₃增加P_Δ，以概率1-f₃减小P_Δ。其中，对于选定的突变元素power[n]，定义其

P_Δ的值由算法的复杂度与性能综合衡量确定，P_Δ越小算法的精度越高，但算法的收敛速度也越慢；P_Δ越大算法精度越低，但收敛速度越快。

步骤8中，所述的阈值与l的值由***设定，阈值越小、l值越大，功率分配算法的精度性能越好，但算法的复杂度也越高。

本发明相对于现有技术具有如下的优点及效果：

1、本发明针对异构无线网络协作通信***中智能移动终端同时通过不同类型网络收发数据的场景，使用基于遗传算法的功率分配方法对不同接入网络分配功率，可以使智能移动终端在获取较高传输速率的同时消耗较低的功率，从而有效提高功率的利用效率；

2、本发明提出的方法基于遗传算法，过程简单，没有复杂的数学解析过程，易于实际操作且能够同时优化智能移动终端的信道容量和功耗两项重要指标。

3、本发明中构造的适应函数形式简单，且部分参数能由用户根据不同场景中的不同需求进行调整，提高了算法的灵活性；

4、本发明中构造的功率分配遗传表示将适应度值作为遗传表示的一部分，有利于在遗传算法各步骤中方便的参考基因的适应性对各步骤的行为做出改进；

5、本发明在基因重组过程中采用的高适应性优先方法、在基因突变过程中采用的最优保持低适应值优先以及以自适应概率决定突变方向的方法、以及在选取新一代种群中采用的最优保持的方法，顾及遗传算法的遍历性的同时提高了遗传算法的收敛速度。

附图说明

图1多目标网络功率分配方法流程图。

图2异构无线网络协作通信网络选择接入示意图。

图3异构无线网络协作通信功率分配及工作原理示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

本发明的实施过程主要包括两个大的部分，选择要接入的网络（即网络接入控制）和对这些网络进行功率分配。整个功率分配过程的核心流程如图1所示。

在此实施例中，我们定义如图2所示的异构无线网络协作通信的网络接入控制方式，以及如图3所示的功率分配与数据传送方式。

本实施例中接入控制的实现步骤如下：

步骤1，如图2所示的异构无线网络，智能无线接入点（AP）对各网络的信道统计特性进行实时监测。

步骤2，图2中所示发送端（智能移动终端）在需要通过网络发送信息时，首先向智能AP请求获取各网络信道的统计特性，智能AP通过ZigBee协议将各网络信道的统计特性传送给智能移动终端。

步骤3，发送端接收到智能AP发送的各网络的信道统计信息后，决定选取哪些网络进行数据传送。此实施例中假设发送端通过智能AP发送的信息得知有K个网络有空闲信道，其噪声方差分别为各网络正常通信所要求的噪声门限分别为

并假定其中满足

的网络有4个，发送端选择这4个网络接入，建立连接的4个信道的噪声方差分别为

对选定的4个网络进行功率分配的过程如下：

步骤1，定义含有5个元素的一维实数数组power来作为对各网络（信道）进行功率分配的遗传表示，power中的第n个元素的值power[n](n=1,2,3,4)表示该方案中分配给网络（信道）n的功率值，最后一个元素的值power[5]用来存放该功率分配方案的适应度值。

步骤2，定义功率分配方案的适应性函数

其中，w_n是网络n的信道带宽，P_max是智能移动终端的额定功率，

是智能移动终端所能获得的信道容量总和，

是智能移动终端的总功耗。此实施例中，对于总的信道容量与功耗给与同等的重视，因此α,β的取值相等，令α=1,β=1。

步骤3，产生步骤1所述的表示功率分配方案的数组，主要分为如下步骤：

步骤3.1，此实施例中，用范围的随机数填充步骤1所述数组的前四个元素power[1],power[2],power[3],power[4]，检查

是否小于P_max,如果不满足此条件则丢弃该数组，并重新用随机数填充数组中的前四个元素，直到满足 $\underset{n=1}{\overset{4}{\mathrm{\&Sigma;}}}\mathrm{power}\left[n\right]<P_{\max };$

步骤3.2，用步骤2所述的适应性函数计算适应度值并将其填入数组的第五个元素power[5]。

步骤3所产生的数组power即为一种功率分配方案的遗传表示，该数组称为基因，其中power[1],power[2],power[3],power[4]分别对应于为四个接入网络分配的功率，power[5]为该基因的适应度值。

步骤4，产生功率分配方案的种群。利用步骤3所述的方法，产生M个代表功率分配方案及其适应度值的基因power₁,power₂,...,power_M，这些基因一起构成代表功率分配方案的种群，种群中基因的个数M称为种群规模，本实施例中设定种群规模为M=100。

步骤5，对步骤4所述种群，根据高适应度优先的方法，按概率从中随机选择基因进行重组；在重组过程中，参与重组的基因保持不变并保留在种群中；重组所生成的新的合法基因加入种群，非法基因丢弃。基因重组的具体方法主要分为如下步骤：

步骤5.1，对步骤4所述种群中的第i个基因power_i，以

的概率将power_i选为待参加重组基因，其中F_max=max(power₁[5],power₂[5],...,power₁₀₀[5])；

步骤5.2，对于被选为参与重组的两条基因poweri、power_j(1≤i,j≤100)，定义一个步骤1所述的新的数组，记作power_ij；

步骤5.3，从power_i、power_j中随机选择一条基因，并从该基因的前4个元素中随机选取L个元素（本实施例中选取一半的元素，即L=2），将其值填充至power_ij中对应位置的元素，power_ij中除第5个元素以外的其余未填充的元素由power_i、power_j中的另一条基因对应位置的元素来填充；

步骤5.4，计算power_ij前4个元素所代表的功率分配方案的适应度，并将适应度值填充至power_ij的第5个元素；

步骤5.5，判断power_ij是否合法，如果合法则power_ij作为新基因加入种群；若非法，则直接丢弃；

步骤5中，所述的的非法基因是指具有以下任一特征的基因：（1）对第n个网络分配的功率power[n]使得信噪比的值低于网络n正常通信时所要求的信噪比的门限值， $\left(2\right)\underset{n=1}{\overset{4}{\mathrm{\&Sigma;}}}\mathrm{power}\left[n\right]>P_{\max };$

步骤6，对步骤5所述基因重组后的种群，根据最佳保持低适应度值优先方法，按概率从中随机选择基因进行突变，突变后的基因若为步骤5所述的非法基因，则丢弃。基因突变的具体方法主要有以下步骤：

步骤6.1，对种群中的全体基因按适应度值由高到低排序，保持前50个基因不变；对于剩下的基因，其中的基因power_i以

的概率选为待突变基因，其中F_min=min(power₁[5],power₂[5],......,power_M1[5])，M1为步骤5所述基因重组后的种群的规模。

步骤6.2，对于步骤6.1中所选取的待突变基因power_i的第n（1≤n≤4）个元素，以概率

将power_i[n]更新为

以概率 $1-\frac{(P_{\max }-\mathrm{powe}{r}_i[n\left]\right)}{P_{\max }}$ 将power_i[n]更新为 ${\mathrm{power}}_i\left[n\right]-\frac{P_{\max }}{20}.$

步骤7，从步骤6所述基因突变后的种群中选取产生新一代种群，主要有以下步骤：

步骤7.1，对步骤6所述基因突变后的种群，将基因按适应度值由高到低排序，即按power_i[5]（1≤i≤M1）的值由高到低排序；

步骤7.2，对步骤7.1所述排序后的基因种群，选取前50个基因作为为新一代种群的一半基因，并用轮盘赌的选择方法从剩余的M1-50个基因中选取50个基因作为新一代种群的另一半基因，丢弃其余未被选入新一代种群的基因。如此新一代种群的规模仍为100，新一代种群中全体基因的适应度值的最大值记为 $\mathrm{power}{\left[5\right]}_{\max }^{\mathrm{step}\_7}.$

步骤7.2中，轮盘赌的选择方法具体为：对于剩余的M1-50个基因，其中基因power_j被选中作为新一代种群基因的概率为

其中power_{total_rest}[5]为这M1-50个基因的适应度值总和。

步骤8，重复步骤5、6、7，当连续十代种群的

的增长小于5%时，功率分配算法结束。此时

所在的基因（标记为power^*）即代表最终功率分配方案，对接入控制过程中选取的四个网络（信道）分配的功率分别为power^*[1],power^*[2],power^*[3],power^*[4]。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，包括以下步骤：

步骤1、移动智能终端在通信时，检测有空闲业务信道的可接入无线网络，并根据信道状态信息从可接入网络中选择N个无线网络接入；

步骤2、定义一种功率分配方案的遗传表示；

步骤3、定义功率分配方案的适应性函数；

步骤4、产生M个步骤2所述的数组，每个数组分别代表一种不同的功率分配方案及其适应度值；M个数组一起构成功率分配方案的第一代种群，其中M称为种群的规模，种群中的一个数组称为一条基因；

步骤5、根据高适应度值优先的方法，按照概率从步骤4所述种群中随机选择m₁条基因进行基因重组；基因重组过程中，被选取参与基因重组的基因不作任何改变并保留在种群中；重组生成的合法基因作为新基因加入种群，重组生成的非法基因直接丢弃；所述m₁为偶数，所述m₁的取值范围为2≤m₁≤M；

步骤6、按照最佳保持低适应度值优先的方法，从步骤5所述基因重组后的种群中适应度较低的基因中按概率随机选择m₂条基因进行突变；

步骤7、选取产生新一代种群，这里定义一种最优保持的选取新一代种群的方法，在规模上保持新的基因种群与原始的基因种群一致，基因规模保持为M，在选取构造新种群的基因时将步骤6所述基因突变后的种群中适应度值最高的前

个基因直接选取到新的种群中，在剩余的基因中用轮盘赌法选取

个基因到新的种群中；

步骤8、重复步骤5～7，当种群基因的最高适应度值的增长连续l次小于给定的阈值作为最优功率分配方案，从得到的种群中选取适应度最高的基因作为功率分配方案，功率分配算法结束。

2.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤1中，所述智能移动终端所接入的N个网络均只提供一对业务信道供智能移动终端传输数据，所述的信道n也代表着网络n，所述一对业务信道包括前向业务信道与反向业务信道；

所述的信道状态信息用信道的噪声统计特性表示，智能移动终端选择

的N个信道作为待使用的信道，通过这些信道与对应网络建立连接，其中，是网络n所提供的业务信道的噪声方差，

是网络n正常通信所要求的信道噪声门限值。

3.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤2中，所述的适应度值是功率分配方案的性能评判标准，即：功率分配方案的得分。

4.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤3中，C_total是指智能移动终端所能获得的信道容量总和，由

确定，P是指智能移动终端的总功耗，由 $P=\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{power}\left[n\right]$ 确定；

所述α,β值的选取直接影响到最终功率分配方案的结果，在使用该方法进行功率分配时，由智能移动终端用户根据自己所处的具体情景、对数据传输速率以及功耗的具体要求来设定α,β的具体值，当能量充足偏向快的传输速率时，则增大α与β的比值；当业务对数据传输速率要求低时，则降低α与β的比值。

5.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤4中，所述的数组的生成包括以下步骤：

步骤4.1、数组的前N个元素用0～P_max范围内的随机数来填充；一旦数组的前N个元素满足

或

则舍去该数组，重新产生新数组；

步骤4.2、数组的第N+1个元素，即数组的最后一个元素用数组前N个元素所代表的功率分配方案的适应度值填充，适应度值利用步骤3中定义的适应性函数计算。

6.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤4中，所述的种群规模大小，即M的值由算法的复杂度与性能综合衡量确定，M越大，表示算法的精度和复杂度越高；M越小，表示算法的精度和复杂度越低。

7.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤5中，所述的高适应度值优先是指适应度越高，基因被选择参与重组的概率越大，适应度值为F的基因被选择参与重组的概率为

其中，F_max为种群中全体基因的适应度值的最大值；参与重组的基因数量m₁为随机数，取决于概率f₁；

所述的基因重组包括如下步骤：

步骤5.1、对于两条参与重组的基因power_i、power_j，其中，i的取值范围为：1≤i≤M，j的取值范围为：1≤j≤M，定义一个步骤2所述的新的数组，记作power_ij；

步骤5.2、从power_i、power_j中随机选择一条基因，并从该基因的前N个元素中随机选取部分元素，将其值填充至power_ij中对应位置的元素，power_ij中除第N+1个元素外，其余未填充的元素由power_i、power_j中的另一条基因对应位置的元素来填充；

步骤5.3、计算power_ij前N个元素所代表的功率分配方案的适应度，并将适应度值填充至power_ij的第N+1个元素；

步骤5.4、判断power_ij是否合法，如果合法，则power_ij作为新基因加入种群；否则直接丢弃。

8.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤5中，所述的的非法基因是指具有以下（1）中或者（2）中的特征的基因：（1）对第n个网络分配的功率power[n]使得信噪比的值低于该类网络正常通信时所要求的信噪比的门限值，

或者 $\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{power}\left[n\right]=0.$

9.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤6中，所述的最佳保持低适应值优先方法，具体为对于种群中适应度值最高的前

个基因保持不变，对于剩下的基因以概率f₂参加基因突变，f₂定义为

其中，F_min为种群中全体基因的适应度值的最小值；

所述基因中元素值以自适应概率增加或减小的方法具体为，对于选中待突变的元素值按照概率f₃增加P_Δ，以概率1-f₃减小P_Δ；其中，对于选定的突变元素power[n]，定义其P_Δ的值由算法的复杂度与性能综合衡量确定，P_Δ越小算法的精度越高，但算法的收敛速度也越慢；P_Δ越大算法精度越低，但收敛速度越快；

所述突变方法为：对于选中的待突变的基因power_k，在其前N个元素中随机选择某几个元素将其值以自适应概率增加或减小固定的步长P_Δ，并重新计算power_k的适应度值填入到其最后一位元素；判断突变后的power_k是否合法，如果合法则种群保留突变后的power_k，否则剔除；所述m₂的取值范围为1≤m₂≤M2。

10.根据权利要求1所述的异构无线网络协作通信中的多目标网络功率分配方法，其特征在于，所述步骤8中，所述的阈值与l的值由***设定，阈值越小，l值越大，表示功率分配算法的精度性能越好、算法的复杂度越高。

Images